黃?？?/p>

摘? 要：AEB自動(dòng)緊急制動(dòng)（含F(xiàn)CW前向碰撞報(bào)警）功能能夠有效減少或緩解碰撞事故的發(fā)生，但由于國內(nèi)交通狀況復(fù)雜，駕駛員駕駛習(xí)慣比較激進(jìn)、隨意，導(dǎo)致國內(nèi)駕駛員對AEB功能的滿意率欠佳，本文通過文獻(xiàn)調(diào)研、用戶意見搜集等方式，采集國內(nèi)車型現(xiàn)有AEB誤動(dòng)作的典型場景，尤其是關(guān)于碰撞報(bào)警以及制動(dòng)干預(yù)等方面的功能表現(xiàn)，結(jié)合AEB工作機(jī)理分析誤動(dòng)作發(fā)生的主要原因，基于典型國內(nèi)交通場景并以C-NCAP星級(jí)評價(jià)等為開發(fā)目標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)，最后通過Matlab/Simulink和 PreScan等仿真工具對優(yōu)化方案進(jìn)行了虛擬驗(yàn)證。

關(guān)鍵詞：機(jī)理分析;CAE;優(yōu)化設(shè)計(jì);C-NCAP

中圖分類號(hào)：U467? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1005-2550（2018）06-0042-08

Analysis and Optimization of AEB False Positive Based on Scenarios

HUANG Fu-jun

（ Tongji University， Shanghai 200000， China ）

Abstract： AEB（Autonomous Emergency Brake） including FCW（Forward Collision Warning） function can effectively reduce or mitigate traffic accidents. However， the satisfaction rate of AEB function is poor in China because of the complex traffic situation， aggressive and rule-less driving habits. This paper collected typical false positive scenarios of AEB with false or early warning or braking through literature study and VOC （Voice of Custom） collection etc. Based on the theoretical analysis of AEB function， root causes of false positive cases were found， and then optimization was made to reduce the false warning and / or braking while meeting the safety rating goal of C-NCAP， which is greatly helpful for improving the performance of current AEB functions. CAE tools including Matlab/Simulink and PreScan were used to validate the optimization scheme virtually.

1? ? 背景

研究表明，超過90%的交通事故都是由于人為因素導(dǎo)致的，ADAS（先進(jìn)駕駛輔助系統(tǒng)）通過減少人（駕駛員）的失誤，進(jìn)而避免或者減緩交通事故，其原理是為駕駛員提供駕駛輔助，減少疲勞，并通過適當(dāng)?shù)膱?bào)警措施提醒駕駛員及時(shí)發(fā)現(xiàn)事故風(fēng)險(xiǎn)，并在駕駛員反應(yīng)不及時(shí)或無響應(yīng)時(shí)，及時(shí)、恰當(dāng)?shù)亟槿胲囕v，控制-縱向和/或橫向。據(jù)相關(guān)研究表明，基于VVSMA（基于整合分析的車輛安全性驗(yàn)證）組織的歐洲六國交通事故統(tǒng)計(jì)分析結(jié)果，AEB自動(dòng)緊急制動(dòng)（含F(xiàn)CW前方碰撞報(bào)警）能減少38%的低速工況追尾事故，從而有效減少追尾事故造成的人員傷亡和財(cái)產(chǎn)損失。近年來AEB（含F(xiàn)CW）功能在中國市場的應(yīng)用也逐漸增多，并以合資品牌車型居多，但該功能的正向開發(fā)環(huán)節(jié)大多缺失，例如客戶需求分析、駕駛行為分析等，與中國駕駛員的駕駛習(xí)慣以及復(fù)雜多變的交通路況脫離，用戶體驗(yàn)參差不齊，用戶滿意度欠佳。從各大汽車論壇等了解到，國內(nèi)用戶抱怨較多的問題是系統(tǒng)誤報(bào)警率及誤制動(dòng)率較高，即在不需要報(bào)警或者緊急制動(dòng)時(shí)系統(tǒng)報(bào)警或者緊急制動(dòng)，或者報(bào)警/制動(dòng)時(shí)刻過早。但由于上述案例的車輛數(shù)據(jù)及環(huán)境數(shù)據(jù)較難獲取，無法準(zhǔn)確復(fù)現(xiàn)及分析。

同濟(jì)大學(xué)的王雪松等人研究了[1]基于自然駕駛數(shù)據(jù)的避撞預(yù)警對跟車行為的影響，研究表明 ，F(xiàn)CW系統(tǒng)對跟車時(shí)的車頭時(shí)距影響較小 ，但顯著降低了跟車中的 反應(yīng)時(shí)間。PáezF[2]等人通過對真實(shí)交通場景的重建，研究了多個(gè)AEB（Autonomous Emergency Break）系統(tǒng)對人車碰撞的潛在影響，結(jié)果表明許多的交通事故可以被避免。Stellet J E[3]等人分析了AEB系統(tǒng)對不確定預(yù)報(bào)的理論限制。

1.1? ?AEB系統(tǒng)誤動(dòng)作（報(bào)警/制動(dòng)）分類

表1 NHTSA公布的克萊斯勒車型AEB誤制動(dòng)案例示例

AEB功能的應(yīng)用開始于歐美，相關(guān)用戶抱怨/反饋也比較系統(tǒng)全面。以美國NHTSA（美國高速公路交通安全管理局）關(guān)于克萊斯勒車型AEB誤動(dòng)作的統(tǒng)計(jì)結(jié)果為例，2012年7月至2015年12月之間，在美國總共發(fā)生176起克萊斯勒車型AEB誤制動(dòng)，詳見表1。

國內(nèi)車型的主動(dòng)安全功能應(yīng)用較晚，還處于市場培育期，用戶對該功能的熟悉程度不高，獲取用戶抱怨/反饋的渠道也比較有限，本文通過文獻(xiàn)調(diào)研、檢索各大汽車論壇，可將國內(nèi)AEB功能常見的誤動(dòng)作分類如下：

第一類是因?yàn)閭鞲衅鲗ξｋU(xiǎn)目標(biāo)的錯(cuò)誤判斷而引起的錯(cuò)誤報(bào)警/制動(dòng)，如道路上其他障礙物：相鄰車道目標(biāo)、道路減速帶、易拉罐、隧道標(biāo)牌、停車場閘機(jī)橫桿等;

第二類是因?yàn)榭刂撇呗栽O(shè)計(jì)不合理，導(dǎo)致過早報(bào)警或制動(dòng)（本文研究重點(diǎn)），典型的AEB誤動(dòng)作場景如圖2所示：

1.2? ? AEB功能競標(biāo)測試

為了全面系統(tǒng)了解不同車型配置的AEB功能的性能和技術(shù)解決方案，選取國外多家第三方測試機(jī)構(gòu)的測試報(bào)告進(jìn)行分析。圖3為ADAC AEB測試車型概覽。

以ADAC測試結(jié)果為例，這家德國第三方測試結(jié)構(gòu)對六款車型的AEB功能進(jìn)行了測試和對比分析，各車型AEB功能的報(bào)警和制動(dòng)介入時(shí)間和方式見表2，從該測試結(jié)果可以看出，測試的六款車型的碰撞報(bào)警時(shí)刻，分布在2.1到4.0秒之間，其中以Infiniti M37S的4.0秒最長;自動(dòng)緊急制動(dòng)的介入時(shí)刻，介于0.7秒到1.9秒之間，分布范圍較廣，以VW Passat的1.9秒最長。采用過早的碰撞報(bào)警或者制動(dòng)干預(yù)時(shí)間設(shè)置，容易在某些場景中引起不必要的報(bào)警和制動(dòng)，從而引起駕駛員的不滿甚至引起后車追尾等嚴(yán)重后果。

2? ? ?AEB誤動(dòng)作機(jī)理分析

2.1? ?AEB工作機(jī)理分析

自車開始制動(dòng)時(shí)前后兩車距離或碰撞時(shí)間的確定是AEB系統(tǒng)需要解決的關(guān)鍵問題之一，目前AEB系統(tǒng)比較常用的避撞模型為：

（1）Mazda模型

Mazda模型是Doi等人[6]提出的一種危險(xiǎn)制動(dòng)距離模型，其模型公式如下：

其中，v為自車車速，vrel為相對車速，a1為自車最大減速度，a2為前車最大減速度，t1為駕駛員反應(yīng)延遲時(shí)間，t2為制動(dòng)器延遲時(shí)間，d0為最小停車距離。 當(dāng)兩車使用全力制動(dòng)時(shí)，d0能夠確保兩車不發(fā)生碰撞。增加延遲時(shí)間t1、t2能夠使系統(tǒng)更加保守。

（2）Honda模型

Honda 模型[7]的碰撞預(yù)警（collision warning， Cw）的邏輯算法的制動(dòng)危險(xiǎn)距離為：

其中，v為自車車速;v2為前車車速，a1、a2分別為自車和前車的最大減速度;t1、t2分別為系統(tǒng)延遲時(shí)間和制動(dòng)時(shí)間。

（3）Berkeley模型

在 Berkeley 模型[8]中，在碰撞預(yù)警階段，本車輛如果發(fā)生碰撞，則公式是：

其中：t1為駕駛員反應(yīng)時(shí)間，t2為制動(dòng)系統(tǒng)延遲時(shí)間，a2為兩車最大制動(dòng)減速度。

（4）SeungwukMoon 模型

SeungwukMoon 模型[9]被定義為

其中：Tdelay為系統(tǒng)延遲時(shí)間，f（μ）為制動(dòng)因數(shù)，amax為最大制動(dòng)減速度。

（5）TTC模型[10]

AEB系統(tǒng)的關(guān)鍵參數(shù)主要包括報(bào)警時(shí)刻TTCw，制動(dòng)時(shí)刻TTCb（包含半制動(dòng)以及全力制動(dòng)）、全力制動(dòng)減速度值、停車/減速后的安全車距等;其中TTC的計(jì)算公式如下：

其中，t1為ECU計(jì)算時(shí)間，t2為通訊延遲，t3為制動(dòng)系統(tǒng)建壓時(shí)間。各部分的取值范圍，有很多相關(guān)因素，包括目標(biāo)類型，運(yùn)動(dòng)形態(tài)，車輛網(wǎng)絡(luò)通訊方式，制動(dòng)系統(tǒng)參數(shù)等。

如下圖4所示，以制動(dòng)干預(yù)為例，當(dāng)TTC小于制動(dòng)閾值時(shí)，ECU發(fā)出制動(dòng)干預(yù)指令，經(jīng)過CAN網(wǎng)絡(luò)（或其他通訊方式）發(fā)送給制動(dòng)系統(tǒng)，制動(dòng)系統(tǒng)的電機(jī)響應(yīng)有一定延遲，隨后開始逐漸建壓，直至達(dá)到最大制動(dòng)壓力，在此過程中車輛逐漸減速，直至車輛靜止、制動(dòng)指令結(jié)束或碰撞風(fēng)險(xiǎn)消失。

2.2? ?誤動(dòng)作原因分析

基于對AEB系統(tǒng)原理的了解，經(jīng)過分析，得出AEB誤動(dòng)作的幾個(gè)主要原因：

（1）報(bào)警及制動(dòng)TTC較大：

相比國外駕駛員，國內(nèi)駕駛員在跟車、變道時(shí)的相對車距都較小，導(dǎo)致在遇到危險(xiǎn)情況時(shí)，留給駕駛員的反應(yīng)時(shí)間較短，如圖5所示，在不同類型的交通場景中，國內(nèi)駕駛員的制動(dòng)反應(yīng)時(shí)間較短，綜合考慮車輛緊急制動(dòng)所需時(shí)間，當(dāng)前主流的AEB報(bào)警時(shí)間仍早于熟練駕駛員反應(yīng)時(shí)間以及車輛制動(dòng)/轉(zhuǎn)向所需時(shí)間，即在這些場景下，部分駕駛員仍可以通過轉(zhuǎn)向和制動(dòng)來避免事故。

（2）縱向安全車距設(shè)置過大：

同上，國內(nèi)駕駛員跟車間距較短，現(xiàn)有AEB的停車/減速后安全車距較大，對駕駛員而言過于保守。

（3）對小重疊率及相鄰近距離目標(biāo)的安全余量設(shè)置過大：

以行人橫穿馬路場景為例，現(xiàn)有AEB系統(tǒng)為了優(yōu)先保護(hù)行人安全，通常將人-車間距的安全余量預(yù)留較大，通常為人體寬度的50%甚至更大，所以在國內(nèi)人車混流的典型場景中，包括行人在路邊等候或者行人快速穿越等場景，AEB功能誤報(bào)警/制動(dòng)的幾率較大。

3? ? 仿真建模

本文利用Matlab/Simulink及PreScan軟件對AEB優(yōu)化前和優(yōu)化后進(jìn)行了聯(lián)合仿真。PreScan是一款用于先進(jìn)駕駛輔助系統(tǒng)和主動(dòng)安全系統(tǒng)開發(fā)驗(yàn)證的仿真工具，包含完整的環(huán)境建模要素，車輛模型，傳感器模型等。 如圖6所示，仿真模型主要包括環(huán)境模型、車輛動(dòng)力學(xué)模型、AEB/FCW控制模型、傳感器及其信號(hào)融合模型等。

4? ? 仿真分析

4.1 測試場景

本文測試場景包含C-NCAP測試場景以及國內(nèi)典型交通工況提取出來的場景，C-NCAP測試場景如圖7所示。圖7（a）為車-車測試場景，展示了一種典型的跟車場景，即自車在不同車速下及目標(biāo)車不同車速情況下的場景;圖7（b）為車-行人測試場景 ，行人自車輛遠(yuǎn)端靠近;圖7（c）為車-行人測試場景 ，行人自車輛近端靠近。

4.2? ?仿真結(jié)果

在仿真模型中，根據(jù)競標(biāo)車型的參考數(shù)據(jù)以及在研車型的技術(shù)特點(diǎn)，將AEB功能初始參數(shù)設(shè)置表3所示。根據(jù)仿真結(jié)果可知，初始AEB參數(shù)設(shè)置，可以滿足C-NCAP AEB測試場景的避撞要求，見表4-表5;但在典型誤動(dòng)作測試場景中，如表6所示，由于AEB過早進(jìn)行報(bào)警或制動(dòng)干預(yù)，容易引起駕駛員的抱怨，甚至造成后車追尾等嚴(yán)重后果。

對于以上場景，部分車速變化曲線如圖8所示，從圖中可以看出，一旦AEB開始工作，車速出現(xiàn)明顯變化。

5? ? 優(yōu)化設(shè)計(jì)

5.1? ?優(yōu)化設(shè)計(jì)方案

為了減少AEB誤報(bào)警及誤制動(dòng)，參考國內(nèi)駕駛員典型駕駛行為統(tǒng)計(jì)數(shù)據(jù)，并以滿足C-NCAP星級(jí)評價(jià)為主要目標(biāo)之一，將初始AEB參數(shù)優(yōu)化如表7所示。

5.2? ?優(yōu)化仿真結(jié)果

優(yōu)化后的仿真結(jié)果顯示，由于AEB系統(tǒng)取消了半制動(dòng)過程，僅保留報(bào)警和全力制動(dòng)，報(bào)警時(shí)刻相對延后了，全力制動(dòng)時(shí)間也明顯延后，與國內(nèi)駕駛員典型特點(diǎn)較近，所有測試場景均未再出現(xiàn)誤報(bào)警和誤剎車，改善效果明顯。

圖9為AEB參數(shù)優(yōu)化后的速度加速度曲線，從圖中可以看出，沒有誤報(bào)警和誤剎車情況下，車輛加速度和速度均沒有明顯變化，符合實(shí)際情況和駕駛員預(yù)期。

6? ?結(jié)論

本文統(tǒng)計(jì)了國內(nèi)車型AEB功能誤動(dòng)作的典型場景，結(jié)合AEB工作機(jī)理分析誤動(dòng)作發(fā)生的主要原因，基于國內(nèi)駕駛員典型駕駛習(xí)慣的統(tǒng)計(jì)分析，以減少誤動(dòng)作并滿足C-NCAP星級(jí)評價(jià)等為開發(fā)目標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)，仿真結(jié)果顯示優(yōu)化后的AEB功能對于不同交通場景、不同目標(biāo)類型等具有良好的魯棒性，在滿足C-NCAP星級(jí)評價(jià)目標(biāo)的前提下，有效減少誤動(dòng)作比例。本文研究緊扣行業(yè)熱點(diǎn)，符合行業(yè)發(fā)展趨勢，統(tǒng)計(jì)分析、理論分析和仿真優(yōu)化相結(jié)合，系統(tǒng)、高效地完成了對現(xiàn)有AEB功能的優(yōu)化設(shè)計(jì)，為AEB功能及同類功能的正向開發(fā)提供了寶貴的工程實(shí)踐經(jīng)驗(yàn)。

參考文獻(xiàn)：

[1]王雪松，朱美新，邢祎倫.基于自然駕駛數(shù)據(jù)的避撞預(yù)警對跟車行為影響[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（7）：1045-1051.

[2]Páez F， Javier， Sánchez S， et al. BENEFITS ASSESSMENT OF AUTOMATIC BRAKE ON REAL PEDESTRIAN COLLISIONS[C]// FISITA 2016 World Automotive Congress. 2016.

[3]Stellet J E， Vogt P， Schumacher J， et al. Analytical derivation of performance bounds of autonomous emergency brake systems[C]//Intelligent Vehicles Symposium. IEEE， 2016.

[4]Singer R A. Estimating optimal tracking filter performance for manned maneuvering targets[J]. IEEE Trans.aerosp. & Electron.syst， 1970，6（4）：473-483.

[5]周宏仁等.機(jī)動(dòng)目標(biāo)跟蹤[M].國防工業(yè)出版社，1991.

[6]Doi A， Butsuen T， Niibe T， et al. Development of a rear-end collision avoidance system with automatic brake control[J]. Jsae Review， 1994，15（4）：335-340.

[7]Fujita Y， Akuzawa K， Sato M. Radar Brake System[J].Jsae Review，1995，16（1）：113.

[8]Seiler P， Song B， Hedrick J K. Development of a Collision Avoidance System[J]Neurosurgery， 1998， 46（2）：492-492.

[9]SeungwukMoon， KyongsuYi. Human driving data-based design of a vehicle adaptive cruise control algorithm[J]. Vehicle System Dynamics， 2008， 46（8）：661-690.

[10]Yoshida H， Awano S， Nagai M， et al. Target Following Brake Control for Collision Avoidance Assist of Active Interface Vehicle[C]// SICE-ICASE， 2006. International Joint Conference.IEEE， 2007：4436-4439.